爆破、塌陷識(shí)別研究進(jìn)展綜述

周少輝 蔣海昆 曲均浩 李健 郭宗斌 鄭旭

1)山東省地震局，濟(jì)南 250014 2)中國地震臺(tái)網(wǎng)中心，北京 100045 3)海南省地震局，海口 570203

0 引言

近年來，隨著我國數(shù)字地震臺(tái)站密度逐漸增大以及觀測(cè)技術(shù)系統(tǒng)的日臻完善，微震動(dòng)事件的監(jiān)測(cè)能力得到較大提升，地震臺(tái)網(wǎng)能夠捕獲到更多的微震動(dòng)事件信號(hào)。與此同時(shí)，隨著我國經(jīng)濟(jì)的持續(xù)發(fā)展，因工業(yè)活動(dòng)而引發(fā)的爆破、塌陷等非天然地震事件的發(fā)生頻度也在逐年上升。在日常天然地震監(jiān)測(cè)工作中，地震臺(tái)網(wǎng)一方面能記錄到震級(jí)較小的天然地震事件，另一方面也會(huì)記錄到大量非天然地震事件(趙永等，1995)。2019年山東地震臺(tái)網(wǎng)共記錄到619次天然地震與496次非天然事件，非天然事件約占44.5%(1)山東地震監(jiān)測(cè)預(yù)警中心，2020. 山東地震臺(tái)網(wǎng)2019年地震目錄. 內(nèi)部資料.。

雖然非天然地震事件震級(jí)普遍較小，但其震源較淺且多發(fā)生在人員活動(dòng)區(qū)域，因而具有烈度較大的特點(diǎn)，給當(dāng)?shù)厝罕娚a(chǎn)生活帶來較大影響，甚至造成嚴(yán)重的人員傷亡，例如2018年10月20日山東菏澤龍鄆煤礦M1.5塌陷事件(在我國采礦業(yè)稱為巖爆、沖擊地壓或礦震)即造成21人遇難；同一地區(qū)的龍堌礦井2020年2月22日發(fā)生M1.9塌陷事件又造成4人遇難。因此，相對(duì)于震級(jí)較小的天然地震事件而言，爆破、塌陷等非天然地震事件造成的人員傷亡、社會(huì)影響往往更加突出。就地震監(jiān)測(cè)體系而言，如何對(duì)實(shí)時(shí)記錄事件進(jìn)行快速準(zhǔn)確的識(shí)別分類，不僅對(duì)政府部門應(yīng)急管理有重要作用，對(duì)于及時(shí)消除群眾恐慌以及企業(yè)生產(chǎn)經(jīng)營活動(dòng)也具有重要意義。快速有效地區(qū)分天然地震與非天然地震事件已成為目前地震監(jiān)測(cè)工作中面臨的重要問題之一。

在波形信號(hào)記錄中，爆破、塌陷等非天然地震事件與天然地震有一定的共性，特別是近年來各類組合爆破與包含多次小塌陷的礦區(qū)塌陷事件的出現(xiàn)，使得地震儀記錄到的波形異常復(fù)雜，地震監(jiān)測(cè)值班員僅僅通過日常積累的基于波形在信號(hào)方面的直觀特征很難判定具體事件類型，且不同人員的事件類型判定結(jié)果多有差異，對(duì)及時(shí)有效地甄別爆破、塌陷等非天然地震事件造成一定困難。據(jù)此，本文盡可能全面地總結(jié)國內(nèi)外關(guān)于天然地震與爆破、塌陷事件的研究進(jìn)展，梳理二者的聯(lián)系與區(qū)別，著重歸納、介紹目前國內(nèi)外關(guān)于天然地震與爆破、塌陷事件識(shí)別判定的主要手段和方法。

1 爆破與塌陷

日常地震觀測(cè)記錄到的所有由于非天然因素引發(fā)的與天然地震波形特征類似的事件，均稱為非天然地震事件(林偉等，2004)。換言之，非天然地震事件主要指由人工干預(yù)或人類活動(dòng)間接引發(fā)的地震事件，其涵蓋范圍寬泛，主要包括爆破、塌陷、核爆、水庫蓄水誘發(fā)地震等。其中，90%以上的非天然地震屬于爆破事件(林偉等，2004)。由于塌陷事件往往發(fā)生在礦產(chǎn)資源開采區(qū)、喀斯特(即巖溶)地貌發(fā)育區(qū)、黃土高原居民區(qū)等，塌陷事件所造成的社會(huì)生產(chǎn)生活及人員傷亡情況往往異常嚴(yán)重。2004—2014年，我國發(fā)生的35次礦區(qū)塌陷事件共造成300余人死亡，上千人受傷(姜耀東等，2015)。因此，從非天然地震的數(shù)量及造成人員傷亡的社會(huì)影響情況出發(fā)，本文將重點(diǎn)論述爆破與塌陷地震。

1.1 爆破

爆破是爆炸產(chǎn)生的工程效應(yīng)，是極高速進(jìn)行并自動(dòng)傳播的化學(xué)反應(yīng)瞬間實(shí)現(xiàn)勢(shì)能轉(zhuǎn)化為機(jī)械能的過程(包淑嫻，2011)；爆破地震是指炸藥在爆炸瞬間能量極速釋放，其中的一部分能量轉(zhuǎn)化為地震波向外傳播并引起地下振動(dòng)及造成一定破壞效應(yīng)的一種非天然地震事件。在目前的社會(huì)生產(chǎn)生活中，爆破廣泛應(yīng)用于采礦與各類巖土工程施工中。

1.2 塌陷

塌陷是指在外力作用下地表巖體或土體向下陷落的一種地質(zhì)現(xiàn)象；塌陷地震是指由于巖層崩塌陷落而形成的非天然地震事件。也有研究定義塌陷地震是因地下巖洞塌陷、大型山崩或礦井頂部塌陷而引起的地震事件(楊慧等，2018)。

由于發(fā)育的地質(zhì)條件和作用因素不同，塌陷一般分為巖溶與非巖溶塌陷兩類。巖溶塌陷指在外力作用下覆蓋于可溶性巖層之上的松散土石體向巖層中發(fā)育的溶蝕洞穴運(yùn)移而導(dǎo)致的地面變形破壞。發(fā)生于非巖溶地區(qū)的塌陷統(tǒng)稱為非巖溶塌陷，包括礦區(qū)的采空塌陷、黃土高原地區(qū)的黃土塌陷等。

巖溶塌陷通常規(guī)模較小，緩慢產(chǎn)生，由于其并不是瞬時(shí)發(fā)生，往往不會(huì)對(duì)人類社會(huì)生活造成破壞性影響。而非巖溶塌陷往往瞬時(shí)發(fā)生且多發(fā)生在人員活動(dòng)區(qū)域，如采空塌陷通常發(fā)生于礦區(qū)，黃土塌陷區(qū)則有大量居民居住于黃土窯洞等。陜西榆林地區(qū)近年來多次發(fā)生3.0級(jí)左右的黃土塌陷事件(湯靜雅等，2019)，2018年山東各地發(fā)生的ML2.5以上塌陷事件達(dá)16次①，個(gè)別塌陷事件造成了一定人員傷亡，產(chǎn)生較大的社會(huì)影響。因此，非巖溶塌陷一旦發(fā)生便可能成為一種災(zāi)害。其中，發(fā)生于采礦活動(dòng)區(qū)域的采空塌陷，主要指礦井高應(yīng)力區(qū)內(nèi)煤體、巖體及斷層在受外界擾動(dòng)時(shí)瞬間失穩(wěn)破壞，同時(shí)釋放出巨大能量，進(jìn)而在礦區(qū)周圍引發(fā)劇烈振動(dòng)及巨大破壞的礦山動(dòng)力現(xiàn)象(邴紹丹等，2007；錢七虎，2014)，也稱為礦震，包括礦產(chǎn)開采中發(fā)生的巖體沖擊地壓、隧道工程中發(fā)生的巖爆等。礦震的成因主要是在地面、淺層(幾百米)和深層(千米以下)的礦山開采過程中，人為改變了原本穩(wěn)定的地質(zhì)結(jié)構(gòu)，導(dǎo)致礦區(qū)受力不均(姜耀東等，2015)。全球研究結(jié)果表明，開采深度大于500m的礦山就有發(fā)生3級(jí)以上塌陷地震的可能(唐子波，2011)。就我國大陸地區(qū)而言，采空塌陷分布較廣泛，尤其是黑龍江、山西、山東等礦產(chǎn)資源豐富的省份更為嚴(yán)重(張玉中，2005)。震源淺、震級(jí)低、烈度高是非巖溶采空塌陷地震的主要特征(賀秀全等，1997)，如山西地區(qū)雖然未發(fā)生過超過ML4.0的塌陷地震，但震中最高烈度卻達(dá)到Ⅸ度，且井下破壞烈度往往高于地表，其在一定范圍內(nèi)隨震級(jí)和深度的增加而增大(靳玉貞等，2015)。

2 爆破和塌陷事件波形記錄特征

爆破、塌陷與天然地震均為瞬間發(fā)生的失穩(wěn)事件，部分能量以彈性波的形式從震源輻射出來，并以地震波的傳播方式被地震儀所記錄。各類振動(dòng)事件發(fā)生后，其在地震臺(tái)網(wǎng)記錄的地震波形圖上均有一定的共性。地震臺(tái)網(wǎng)記錄的天然地震與非天然地震反映在地震波形圖上的共性主要有(蘇莉華等，2011)：①記錄波形一般表現(xiàn)為縱波、橫波、面波三大部分，并依次出現(xiàn)；②面波的周期最長，S波次之，P波最小；③縱波振幅小于橫波振幅，面波振幅最大；④記錄波形的持續(xù)時(shí)間、波形最大振幅均隨事件震級(jí)的增大而增大。

同時(shí)，由于地震波形特征與震源機(jī)制、傳播路徑等一系列因素有關(guān)，不同類型事件的地震波又有其獨(dú)有的波形特征。

2.1 爆破事件波形記錄特征

從波形記錄特征來看，數(shù)字記錄的爆破震相特征不如模擬記錄明顯(趙永等，1995；張萍等，2005)，震中距由小到大的臺(tái)站記錄的非天然地震波形相似性較差(林偉等，2004)。爆破事件的波形特征主要有：

(1)垂直向P波初動(dòng)向上(圖1)。爆破是由化學(xué)爆炸引起體積的突然膨脹，屬于膨脹源，因此其直接產(chǎn)生的壓縮波并無象限分布，即無論記錄到爆破事件的臺(tái)站所處地理位置如何，其垂直向的P波初動(dòng)方向均向上。

(2)P波初動(dòng)振幅較大，存在較強(qiáng)的P波群。由于爆破在瞬間發(fā)生，其震源很淺，在進(jìn)行爆破時(shí)，炸藥體積較小且堆積較為規(guī)則，更接近于“點(diǎn)源”，理論上可認(rèn)為爆破過程是在一理想的球形腔內(nèi)形成汽化區(qū)、液化區(qū)、塑性區(qū)。在爆破過程中，巖石直接受到的力為正壓力而非剪切力，因此理論上爆破只會(huì)直接產(chǎn)生壓縮波而無剪切波。臺(tái)站記錄所接收到的剪切波是由于破裂不沿初始力的方向破裂而發(fā)生切變產(chǎn)生的，產(chǎn)生這種現(xiàn)象的主要原因是爆破方式差異、波的傳播路徑不均勻性等(Yldrm et al，2011)。因此，人工爆破一般有較強(qiáng)的P波群，而S波則相對(duì)較弱，距離爆破點(diǎn)越近S波越不清晰；由于其瞬間發(fā)生，體波為瞬時(shí)脈沖型，在波形中具體表現(xiàn)為爆破的波形初動(dòng)強(qiáng)而尖銳，且在垂直方向上P波振幅與S波振幅相當(dāng)或者大于S波振幅，即俗稱的“大P頭”(趙永等，1995；Allmann et al，2008)。

(3)爆破持續(xù)時(shí)間短、衰減快。由于人工爆破瞬間發(fā)生，震源淺，波的傳播路徑很大一部分是松散的地表淺層(土層)，其介質(zhì)密度較低，因此爆破產(chǎn)生的波在傳播過程中能量損失較大；隨著傳播距離的增大，其能量衰減非常快；整個(gè)波列的持續(xù)時(shí)間也較短，一般為幾秒(李發(fā)等，2012)，尤其是橫波，爆破事件的橫波明顯比天然地震衰減快。林偉等(2004)用波的持續(xù)時(shí)間τ來度量振幅衰減快慢，τ值越大則振幅衰減越慢，其對(duì)廣東省內(nèi)28個(gè)爆破事件和26個(gè)天然地震τ值的對(duì)比研究結(jié)果顯示：①震中距和震級(jí)相同時(shí)，同一臺(tái)站記錄的天然地震事件τ值大于爆破事件；②對(duì)不同震中距臺(tái)站記錄的同一事件，天然地震τ值變化幅度不大，而爆破事件τ值變化幅度較大。Kiszely(2001)對(duì)匈牙利爆破與天然地震的尾波持續(xù)時(shí)間研究結(jié)果也顯示，天然地震的尾波持續(xù)時(shí)間明顯大于爆破事件。

(4)爆破事件各震相急促、短暫、清晰明了(圖1)。與天然地震震源深度較深、地震波在傳播過程中經(jīng)過多層介質(zhì)反射與折射不同，爆破震源很淺，波的傳播路徑單一，通常在強(qiáng)度較低的松散介質(zhì)中傳播，因此爆破震相較為簡單，且波的高頻成分極易被吸收(Kiszely，2001；王婷婷等，2013)，故經(jīng)過一定距離的傳播后，爆破波形會(huì)顯得很“干凈”，表現(xiàn)出波列光滑、漣波較少的特征。同時(shí)，爆破事件的波形頻譜圖上也表現(xiàn)出類似的特征，張春賀等(2006)利用周期-頻度譜分析發(fā)現(xiàn)，天然地震的不規(guī)則指數(shù)大于爆破事件。

圖 1 GUY臺(tái)記錄震中距約50km的2019年3月21日江蘇響水ML3.6爆破事件波形

(5)出現(xiàn)短周期瑞利面波且發(fā)育較好(圖1)。由于爆破過程會(huì)在爆炸區(qū)產(chǎn)生多個(gè)層面，特別是在溶化區(qū)兩側(cè)會(huì)形成2個(gè)自由界面，在與其相鄰的2個(gè)區(qū)的作用下，會(huì)在自由界面激發(fā)沿地表傳播的瑞利波。研究顯示，在震中距大于5km后，數(shù)字化寬頻帶地震計(jì)便有可能記錄到瑞利型短周期面波，瑞利波波列形態(tài)與其他面波表現(xiàn)形態(tài)基本一致，一般波群僅1～2組，振幅一般呈現(xiàn)逐漸增大、隨后又逐漸減小的特征(趙永等，1995)。但由于爆破震源通常較淺(有些幾乎為零)，可近似于在均勻的介質(zhì)中傳播，因而瑞利波頻散特性并不明顯(汪貴章等，2010)。也有研究顯示，震中距在50km左右的爆破震相中有較清晰的周期較大的面波，隨著震中距的增大，面波更為清晰(劉莎等，2012)。與此形成對(duì)照的是，在震中距200km以內(nèi)，天然地震面波一般不發(fā)育。

(6)具有較規(guī)律的時(shí)間和空間特性。與發(fā)震時(shí)刻隨機(jī)性較強(qiáng)的天然地震不同，爆破的發(fā)生時(shí)間可人為控制，具有一定的規(guī)律，如深夜、整點(diǎn)、下班時(shí)間等。同時(shí)，對(duì)于短期內(nèi)連續(xù)發(fā)生的爆破，其每次爆破之間的時(shí)間間隔相等或接近，且間隔時(shí)間較短(Ursino et al，2001；霍祝青等，2015)。在空間上，大多數(shù)爆破除震源較淺這一顯著特征外，生產(chǎn)活動(dòng)所導(dǎo)致的爆破地點(diǎn)范圍較為集中，往往在固定的幾個(gè)地區(qū)重復(fù)進(jìn)行。

(7)爆破的P波與S波最大振幅比遠(yuǎn)大于天然地震(圖1)。振幅比表征了地震的動(dòng)力學(xué)特性，其并不取決于地震波振幅的絕對(duì)值，基本上與震級(jí)無關(guān)，即振幅的比值受震級(jí)、地震儀放大倍數(shù)及頻率特性的影響較小。由于爆破直接產(chǎn)生的波只有壓縮波，而剪切波是派生波，因而人工爆破近源區(qū)的地面垂直向振動(dòng)加速度、振動(dòng)速度等均比水平運(yùn)動(dòng)大，其S波最大振幅小于P波，即AP/AS>1(Yldrm et al，2011)。王婷婷等(2013)對(duì)北京及鄰近區(qū)域29個(gè)爆破與33個(gè)地震事件的P波與S波最大振幅比的研究結(jié)果也顯示，爆破事件的AP/AS遠(yuǎn)大于天然地震。與此相關(guān)聯(lián)的是，爆破的mb/MS，即體波震級(jí)mb與面波震級(jí)MS之比，也大于天然地震(邊銀菊，2005)。

(8)存在大周期現(xiàn)象(圖1)。周期是地震波的動(dòng)力學(xué)特性之一，依賴于震源機(jī)制、介質(zhì)結(jié)構(gòu)和介質(zhì)性質(zhì)等諸多因素。對(duì)于單臺(tái)記錄的整個(gè)地震波列而言，爆破的周期變化不大，S波往往出現(xiàn)類似正弦型的穩(wěn)定周期振動(dòng)現(xiàn)象，在S波之后一般存在周期較大的脈沖振動(dòng)(汪貴章等，2010)，而天然地震則一般具有清楚的脈動(dòng)和高頻特點(diǎn)，優(yōu)勢(shì)周期從初至開始通常隨時(shí)間逐步增加，一般Sg波周期大于Pg波。同時(shí)，由于爆破的高頻成分隨震中距增加極易被疏松的介質(zhì)吸收，因此爆破事件的P波周期明顯“變”大(趙永等，1995)。有研究認(rèn)為，當(dāng)震中距小于5km時(shí)，爆破與天然地震的P波和S波速度型周期近似相等，約為0.02s～5Hz，當(dāng)震中距離大于5km后，爆破的P波和S波速度型周期明顯大于天然地震的體波周期(汪貴章等，2010；李發(fā)等，2012)。

(9)爆破事件波形記錄的頻譜特征與天然地震明顯不同。在頻域方面，人工爆破震源淺，經(jīng)過松散地層，波的高頻成分被吸收較多，即地層對(duì)爆破產(chǎn)生的波的衰減起到一種低通濾波作用。因而爆破的頻帶范圍較窄，頻譜較天然地震更為簡單，能量較為集中，且其高頻成分的能量衰減快于低頻，即波列中有明顯的低頻成分(Kiszely，2001；唐蘭蘭等，2009)。與天然地震具有清楚的脈動(dòng)和高頻特點(diǎn)不同，爆破頻率比天然地震頻率低，尤其是Sg波之后頻率明顯較低、周期變大(劉莎等；2012)。

2.2 塌陷事件波形記錄特征

無論其成因還是波形特征，塌陷事件均比較復(fù)雜，不同類型、不同深度發(fā)生的塌陷事件均有差異。如金屬礦山中的礦山地震特別接近天然地震，井下塌陷由于井水的滲透和氣體的透入，在地震波形圖上往往會(huì)體現(xiàn)出斷層的蠕動(dòng)性質(zhì)(趙永等，1995)。由于井下沖擊地壓事故造成的塌陷地震，往往其波形初始有部分類似于爆破波形特征，后續(xù)部分則類似于普通塌陷波形。歸納起來，絕大多數(shù)塌陷地震所激發(fā)的波形具有以下主要特征：

(1)P波初動(dòng)向下(圖2)。由于塌陷為巖層下方出現(xiàn)空區(qū)、向下陷落，因而大面積來壓后向下冒落的瞬間，其向周圍介質(zhì)施加的力為拉力，即內(nèi)向爆破產(chǎn)生壓縮波。因此，理論上無論周圍的臺(tái)站所處地理位置如何，所記錄到的垂直向P波初動(dòng)方向均應(yīng)向下。就其機(jī)制而言，可能有雙力偶機(jī)制、偶極矩機(jī)制和非力偶機(jī)制的“內(nèi)向爆破型”，其破裂體并非剪切滑動(dòng)，而是“會(huì)聚”型的失穩(wěn)(趙永等，1995)。

圖 2 ZCH臺(tái)記錄的2020年7月12日山東鄒城ML2.3塌陷事件波形

(2)整個(gè)波段波形簡單、規(guī)則，高頻成分較少(圖2)。由于塌陷震源較淺，地震波主要在密度小的介質(zhì)中傳播，因此高頻成分同樣易被路徑介質(zhì)吸收。同時(shí)，P波、S波成組出現(xiàn)，形成波列。由于塌陷不是一次完成，常常反復(fù)幾次，甚至可能伴有巖體或礦體的滾動(dòng)等情景，在地震圖上可形成幾組P波和S波，波列初看有些像遠(yuǎn)震的體波段(汪貴章等，2010)。

(3)Sg波后大周期瑞利面波發(fā)育(圖2)。由于塌陷往往不是瞬間一次完成，存在多次塌陷且震源淺，因而同樣會(huì)在自由界面激發(fā)沿地表傳播的瑞利波。塌陷面波的周期比天然地震大，面波速度型周期一般在0.1s～0.2Hz之間，具有明顯的正頻散特征，即大周期在前、小周期在后(李發(fā)等，2012)。

(4)持續(xù)時(shí)間較短、衰減快(圖2)。塌陷記錄持續(xù)時(shí)間通常1～2min，超過5min的較少，塌陷事件水平分向與垂直分向持續(xù)時(shí)間的比值小于天然地震(趙永等，1995)。

(5)周期較大(圖2)。整體而言，最初到達(dá)的P波周期一般較小，由于塌陷震源較淺，縱波和橫波到達(dá)時(shí)間緊湊，并且由于地震波主要在稀疏介質(zhì)中傳播，高頻成分被介質(zhì)吸收，因而橫波到達(dá)后周期明顯增大。汪貴章等(2010)研究顯示，塌陷事件體波波段的速度型周期一般在0.02s～16Hz，而天然地震的周期一般在0.1～0.3s。

(6)垂直向P波初動(dòng)振幅多數(shù)大于水平向。由于塌陷事件激發(fā)的波射線經(jīng)過的路徑上存在很強(qiáng)的速度梯度，波速在淺部小于深部，因而會(huì)造成體波傳播路徑向上彎曲(唐子波，2011)。就其振幅變化而言，開始變化較小，橫波到達(dá)后振幅明顯增大(王風(fēng)等，2013)。

(7)與構(gòu)造地震相比，塌陷地震主要發(fā)生于頂板堅(jiān)硬的采空區(qū)(只有頂板堅(jiān)硬，才會(huì)形成大面積的采空懸空區(qū)域)(賀秀全等，1997)，因而塌陷地震震中局限于礦區(qū)、大的工程建設(shè)區(qū)域、巖溶地區(qū)等特定區(qū)域，震中地點(diǎn)較為固定，分布范圍較小，無明顯的遷移現(xiàn)象(劉莎等，2012)，一般活動(dòng)范圍在幾十萬平方米以下。同一塌陷地震，其主震、余震的位置變化極小，縱波和橫波走時(shí)差基本不變。同時(shí)，塌陷事件震源深度分布存在較為普遍的臨界深度現(xiàn)象，最淺約為200m(北京門頭溝煤礦)，最深的不超過7000m(李鐵等，2007)。

(8)塌陷事件的振動(dòng)頻譜較為單一，且頻率域一般低于天然地震和爆破事件，約為1Hz，其P波、S波的卓越周期近似相等，為1～1.2s(趙永等，1995)。也有報(bào)到顯示塌陷地震Pg和Sg記錄波形的頻率無明顯變化(蘇莉華等，2011)，塌陷地震的拐角頻率、應(yīng)力降(圖3)、峰值頻率小于天然地震(劉莎等，2012)。

圖 3 天然地震與塌陷事件的應(yīng)力降統(tǒng)計(jì)

3 爆破、塌陷等非天然事件的識(shí)別方法

自20世紀(jì)下半葉以來，國內(nèi)外許多研究者致力于地震與爆破、塌陷等非天然事件的識(shí)別方法研究(Dowla et al，1990；Kchui，1992；邊銀菊等，2002；邊銀菊，2005；張萍等，2005；Kuyuk et al，2011；趙剛等，2017)。一個(gè)好的識(shí)別方法應(yīng)具有以下特點(diǎn)(Douglas，2007)：①可以區(qū)分各類事件類型；②可以在理論上加以證明，即有明確的物理意義；③使用簡捷。前期的工作大多基于記錄波形以及波形特征對(duì)比，力圖尋找具有一定物理意義的事件類型識(shí)別判據(jù)(鄭秀芬等，2006)。

3.1 直接基于波形時(shí)頻特征的事件類型判定

3.1.1 波形時(shí)頻分析對(duì)比法

理論上，不同震源模式輻射的理論地震波譜不同。有研究者根據(jù)對(duì)臺(tái)站記錄的爆破、塌陷和天然地震波形的時(shí)頻分析對(duì)比，來實(shí)現(xiàn)對(duì)天然地震與爆破、塌陷等非天然事件的識(shí)別(張萍等，2005；鄭秀芬等，2006；劉莎等，2012)。該方法主要從經(jīng)驗(yàn)統(tǒng)計(jì)的角度出發(fā)，通過對(duì)各類事件的波形特征及差異進(jìn)行總結(jié)，并結(jié)合對(duì)時(shí)域信號(hào)進(jìn)行快速傅立葉變化后的頻域信號(hào)特征對(duì)比分析，對(duì)事件類型進(jìn)行定性識(shí)別分析。張萍等(2005)利用由布龍圓盤位錯(cuò)模式給出地震事件的高低頻譜值、拐角頻率、零頻譜值等震源參數(shù)來識(shí)別地震事件類型，認(rèn)為這些頻譜差異特征可作為地震與礦震、地震與爆破判別的有意義的指標(biāo)。也有研究者利用基于波形互相關(guān)技術(shù)的模板匹配法來識(shí)別事件類型，如Kahbasi等(2016)對(duì)德黑蘭礦區(qū)爆破的研究顯示，與選取的爆破波形模板互相關(guān)系數(shù)大于0.6即可判定事件類型為爆破，其對(duì)該地區(qū)2006—2013年的爆破事件識(shí)別準(zhǔn)確率高達(dá)96%。此外，也有研究者利用倒譜分析(魏富勝等，2003)、周期-頻度譜分析計(jì)算天然事件與非天然事件的不規(guī)則指數(shù)(張春賀等，2006)、波形復(fù)雜度(馬舉，2014)、P波與S波時(shí)間域上能量差(魏富勝等，2019)等參數(shù)識(shí)別事件類型。

3.1.2 小波變換

小波變換將地震波信號(hào)按二分法在頻率域中依次進(jìn)行分解，可將振動(dòng)信號(hào)分解到不同頻帶上，進(jìn)而顯示信號(hào)在不同頻帶的能量分布規(guī)律(Kchui，1992；凌同華等，2004)。與天然地震具有清楚的脈動(dòng)和高頻特點(diǎn)不同，爆破、塌陷事件的頻率域比天然地震低，頻譜相對(duì)簡單、能量較為集中、波列中有明顯的低頻成分(唐蘭蘭等，2009)。因此，可利用小波變換類的方法來區(qū)分天然地震與爆破、塌陷等非天然地震事件。劉希強(qiáng)等(2003)運(yùn)用小波變換“能量”線性度方法來判定事件類型，結(jié)果顯示天然地震的“能量”線性度主要集中在-2～1之間，爆破或塌陷集中在2～3.4之間；Beccar-Varela等(2016)通過小波變換獲得美國亞利桑那州10km空間范圍內(nèi)3.0～3.5級(jí)地震和爆破事件的時(shí)頻能量特征，結(jié)果顯示，與天然地震相比，爆破能量較為集中，信號(hào)能量持續(xù)時(shí)間短。也有研究者嘗試使用小波包分解來識(shí)別天然地震與爆破、塌陷等非天然地震事件，與僅對(duì)信號(hào)低頻部分進(jìn)行變換的小波變換不同，小波包變換也對(duì)高頻部分實(shí)施變換，同時(shí)，能根據(jù)信號(hào)特性和分析要求自適應(yīng)地選擇相應(yīng)頻帶與信號(hào)頻譜相匹配，是一類比小波變換更精細(xì)的變換方法(Mallat，1989；Daubechies，1990；韓紹卿等，2010)。曾憲偉等(2010)基于5層小波包變換獲得信號(hào)的P(或S)波段時(shí)頻譜值及其達(dá)到最大時(shí)對(duì)應(yīng)的頻率，并以此為定量識(shí)別指標(biāo)，識(shí)別銀川臺(tái)記錄的19次爆破與14次地震，結(jié)果顯示，雖然針對(duì)單個(gè)臺(tái)站確定的閾值對(duì)事件的識(shí)別準(zhǔn)確率在80%以上，但不同臺(tái)站記錄的同一區(qū)域內(nèi)的地震和爆破的識(shí)別閾值均存在差異。毛世榕等(2018)基于4層小波包變換對(duì)廣西地區(qū)17次塌陷事件和22次淺源地震事件的識(shí)別研究顯示，天然地震的優(yōu)勢(shì)頻段為0～20Hz，塌陷優(yōu)勢(shì)頻段為0～10Hz，其基于波形4層小波包變化得到的16維數(shù)據(jù)特征的識(shí)別準(zhǔn)確率可達(dá)89.5%。

以上識(shí)別方法主要是從一定事件波形的時(shí)間域或頻率域特征出發(fā)，對(duì)各類事件的各自特征作一定的定性分析判定，雖也有部分方法嘗試提出定量的識(shí)別判據(jù)，但也多為單項(xiàng)識(shí)別指標(biāo)。從目前實(shí)際情況來看，結(jié)合研究者個(gè)人直觀經(jīng)驗(yàn)的地震波譜對(duì)比分析，可在一定程度上滿足地震監(jiān)測(cè)臺(tái)網(wǎng)值班員日常工作中事件類型的判定需求。但由于上述方法只是簡單地利用波形記錄的直觀特征進(jìn)行識(shí)別，屬于定性分析，而探尋可直接運(yùn)用于計(jì)算機(jī)自動(dòng)識(shí)別的高效識(shí)別判據(jù)必定是基于事件類型特征的定量判定，且由于波形記錄是震源類型、傳播路徑、記錄儀器設(shè)備等一系列影響的綜合反映，最終事件類型的判定實(shí)際上是一個(gè)多特征的綜合分類問題(王婷婷，2013；Taylor，2011；Kahbasi et al，2016；陳潤航等，2018；范曉易等，2019)。

3.2 基于模式識(shí)別算法的事件類型判定

與上述僅根據(jù)地震與爆破、塌陷的波形特征來人工識(shí)別事件類型的做法不同，20世紀(jì)末以來有研究者將統(tǒng)計(jì)學(xué)中的模式識(shí)別算法引入地震學(xué)，以此來實(shí)現(xiàn)地震與爆破、塌陷事件類型的自動(dòng)識(shí)別，取得了一系列重要進(jìn)展(Dowla et al，1990；邊銀菊等，2002；邊銀菊，2005；Kuyuk et al，2011；王軍，2018；范曉易等，2019)。模式識(shí)別是指對(duì)表征事物或現(xiàn)象的各種形式的信息進(jìn)行處理和分析，并以此對(duì)事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程(張博，2013)。目前，地震學(xué)中天然與非天然地震的模式識(shí)別方法主要有最小距離法、改進(jìn)的連續(xù)亨明方法、Fisher方法、逐步代價(jià)最小決策法(SAMC)、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)等。

3.2.1 最小距離法

最小距離法是一種極其簡單的模式分類器，其決策函數(shù)的核心思想是確定判定樣本與決策重心之間的距離，進(jìn)而判定其所屬類別。決策函數(shù)的數(shù)學(xué)實(shí)質(zhì)是基于對(duì)模式的采樣，估計(jì)出各類模式統(tǒng)計(jì)樣品參數(shù)的特征均值與所需判定樣品之間的歐氏距離，以此來判定樣品的類別，被判定樣品的相應(yīng)參數(shù)距哪一類別均值的距離近，則屬于哪一類。張博(2013)利用最小距離法，并基于P波初動(dòng)、P波最大振幅與S波最大振幅比、P波初動(dòng)振幅與S波最大振幅比、P波瞬時(shí)頻率復(fù)雜度與P波譜比等5個(gè)特征，對(duì)河北懷來及周邊地區(qū)26個(gè)爆破與18個(gè)天然地震進(jìn)行綜合識(shí)別，研究結(jié)果顯示識(shí)別正確率為82%。王婷婷等(2013)采用最小距離法對(duì)北京及鄰近地區(qū)33個(gè)天然地震和29個(gè)爆破波形數(shù)據(jù)的識(shí)別研究表明，如僅利用最小距離法分別通過單個(gè)特征判據(jù)進(jìn)行識(shí)別，識(shí)別結(jié)果正確率為60%～92%，如挑選出單判據(jù)識(shí)別率較高的P波初動(dòng)、P波最大振幅與S波最大振幅比、P波初動(dòng)振幅與S波最大振幅比3個(gè)特征判據(jù)，并利用最小距離法對(duì)其進(jìn)行綜合識(shí)別，則識(shí)別結(jié)果正確率為94%。此結(jié)果表明挑選合適的特征判據(jù)并用最小距離法進(jìn)行綜合識(shí)別，可較好地實(shí)現(xiàn)地震事件類型識(shí)別。最小距離法的計(jì)算方法簡單明了，是一種簡單快捷的分類判別方法，但需要注意的是，使用最小距離法進(jìn)行模式分類識(shí)別，其決策重心(參數(shù)均值)必須能夠真實(shí)反映其固有特征，即對(duì)于團(tuán)狀分布的各類樣品有效(張海俠等，2010)。同時(shí)，要求“類間距離最大、類內(nèi)距離最小”，即不同類別間決策重心(參數(shù)均值)的距離要顯著大于同一類別內(nèi)部參數(shù)與各自決策重心(參數(shù)均值)的距離，否則最小距離分類器的分類效能較差。

3.2.2 改進(jìn)的連續(xù)亨明方法

王碧泉等(1988)根據(jù)連續(xù)亨明算法提出一種尋求樣本與亨明核間距離的改進(jìn)連續(xù)亨明方法(簡稱ICHAM)，以此來識(shí)別震源事件類型。其核心思想和主要步驟為：①確定需識(shí)別類別的每一類樣本特征均值與類內(nèi)離散度；②根據(jù)不同類別樣品各自類內(nèi)離散度確定判定函數(shù)的亨明核；③設(shè)定連續(xù)亨明方法的分類規(guī)則，判定事件類型。王婷婷等(2013)采用改進(jìn)的連續(xù)亨明方法對(duì)北京及鄰近地區(qū)33個(gè)天然地震和29個(gè)爆破波形數(shù)據(jù)的識(shí)別研究表明，基于單個(gè)特征判據(jù)識(shí)別天然地震和爆破的準(zhǔn)確率為60%～92%；進(jìn)一步挑選出單判據(jù)識(shí)別率較高的P波初動(dòng)方向、P波初動(dòng)振幅與S波最大振幅比、P波最大振幅與S波最大振幅比3個(gè)判據(jù)，利用改進(jìn)的亨明算法對(duì)其進(jìn)行綜合識(shí)別的準(zhǔn)確率為95%。此結(jié)果同樣表明，利用改進(jìn)的連續(xù)亨明方法進(jìn)行綜合識(shí)別，仍需挑選合適的特征判據(jù)。

相對(duì)單純求特征均值的最小距離算法而言，改進(jìn)的連續(xù)亨明方法由于加入類內(nèi)離散度這一控制因素，適用于更為一般的樣品分布，即每類樣品可以是團(tuán)狀分布，也可以不是團(tuán)狀分布(邊銀菊，2005；王婷婷等，2013)。需要指出的是，該方法對(duì)過多特征同時(shí)識(shí)別時(shí)，會(huì)產(chǎn)生多維空間的“維數(shù)災(zāi)難”問題，因而一般只適用于低維空間問題(Andrew，2002)。

3.2.3 Fisher方法

針對(duì)多維空間的“維數(shù)災(zāi)難”問題，F(xiàn)isher方法通過壓縮特征空間維數(shù)，進(jìn)而通過多維特征同時(shí)對(duì)事件性質(zhì)進(jìn)行識(shí)別(趙靜，2008)。該方法的基本思想是投影，首先通過一個(gè)投影矩陣，將高維數(shù)據(jù)點(diǎn)投影到某一方向上，在該方向上類間距離最大、類內(nèi)距離最小，即找尋出最優(yōu)映射方向，隨后設(shè)定Fisher方法中樣品事件與最優(yōu)映射方向的分類閾值，進(jìn)而判定事件類型。其主要計(jì)算步驟包括(Andrew，2002；何樹生等，2017)：①計(jì)算樣本均值與類內(nèi)離散度矩陣(與亨明方法第一步類似)；②求取最優(yōu)投影方向，設(shè)在d維特征空間的w方向上，同類樣本可以盡可能集聚而異類樣本可以盡可能分開，則d維特征樣本在該w方向上進(jìn)行投影，便降為一維特征樣本；③設(shè)定樣品事件與最優(yōu)映射方向的分類閾值，判定事件類型。邊銀菊(2005)利用Fisher方法對(duì)全球248次地震與288次爆破的識(shí)別研究表明，采用mb/MS單個(gè)特征判據(jù)的識(shí)別結(jié)果準(zhǔn)確率可達(dá)95%，具有較高的識(shí)別正確率；但趙靜(2008)利用Fisher方法對(duì)首都圈測(cè)震臺(tái)網(wǎng)107個(gè)臺(tái)站記錄的35個(gè)天然地震事件和27個(gè)人工爆破事件的識(shí)別研究表明，通過譜比值、波形復(fù)雜度、自相關(guān)系數(shù)等特征判據(jù)，最終識(shí)別正確率卻僅為60%左右，故認(rèn)為Fisher方法的線性判別函數(shù)只能對(duì)判別區(qū)域?yàn)閱芜B通的線性可分模式類進(jìn)行正確分類，對(duì)于判別區(qū)域分界面比較復(fù)雜的線性不可分模式類，則分類效果較差。

3.2.4 逐步代價(jià)最小決策法

受統(tǒng)計(jì)模式識(shí)別中模板匹配類的動(dòng)態(tài)時(shí)間規(guī)整(DTW)算法的啟發(fā)，張博(2013)提出基于逐步代價(jià)最小決策法(SAMC)，以此來識(shí)別爆破與地震。該算法的核心思想為：首先定義代價(jià)函數(shù)，實(shí)現(xiàn)路徑最優(yōu)化，進(jìn)而求得全程代價(jià)函數(shù)來區(qū)分地震和爆破。其主要步驟包括：①識(shí)別地震與爆破的特征提取，分析每一項(xiàng)特征，找到最優(yōu)分類閾值；②確定參考模板和測(cè)試模板；③建立分類器，將測(cè)試模板的特征向量序列通過某個(gè)路徑投影到參考模板序列上，每一步投影均對(duì)應(yīng)一個(gè)代價(jià)函數(shù)d，最終累計(jì)所有的代價(jià)函數(shù)得到全程代價(jià)函數(shù)D，最小的D即為最優(yōu)全程代價(jià)函數(shù)，進(jìn)而確定分類準(zhǔn)則；④進(jìn)行檢驗(yàn)，用測(cè)試模板的全程代價(jià)函數(shù)值，根據(jù)相應(yīng)事件的性質(zhì)(地震或爆破)按分類準(zhǔn)則進(jìn)行判別，計(jì)算檢驗(yàn)樣本集的識(shí)別率。張博等(2014)利用逐步代價(jià)最小決策法，對(duì)北京及其周邊地區(qū)33次地震和29次爆破中提取的初動(dòng)方向、P波最大振幅與S波最大振幅比、P波初至振幅與S波最大振幅比、P波最大振幅與尾波持續(xù)時(shí)間比、S波最大振幅與尾波持續(xù)時(shí)間比等5個(gè)分類特征量進(jìn)行識(shí)別，識(shí)別率為90%；從5個(gè)特征量中選擇較好的初動(dòng)方向、P波最大振幅與S波最大振幅比、P波初至振幅與S波最大振幅比3個(gè)特征量進(jìn)行識(shí)別，識(shí)別率為92%；其還另外選擇研究區(qū)的13次事件(檢驗(yàn)樣本)，對(duì)分類函數(shù)進(jìn)行u檢驗(yàn)，5個(gè)分類特征量的識(shí)別率為92%，3個(gè)分類特征量測(cè)試模板的識(shí)別率達(dá)到100%。

該算法可在確立最優(yōu)函數(shù)時(shí)，對(duì)事件各類特征分別賦予不同權(quán)重，進(jìn)而將各類特征在識(shí)別事件時(shí)的效果優(yōu)劣盡可能地考慮到。同時(shí)，代價(jià)函數(shù)值的絕對(duì)值可以作為評(píng)判該事件識(shí)別結(jié)果的可信度。然而，想要找到最優(yōu)代價(jià)函數(shù)，則必須找出所有的全程代價(jià)函數(shù)，而這往往需要非常大的計(jì)算量。

3.2.5 支持向量機(jī)

Vapnik等(1963)基于統(tǒng)計(jì)學(xué)習(xí)理論，提出了一種新的向量分類識(shí)別算法——支持向量機(jī)(SVM)。其主要思想為：以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原則，根據(jù)有限的樣本信息，在特征空間中建構(gòu)最優(yōu)分割超平面(分類器)，來實(shí)現(xiàn)對(duì)事件的分類識(shí)別。此外，對(duì)于在輸入空間中不能直接線性分割的數(shù)據(jù)集，引入核函數(shù)，通過使用非線性映射算法，將低維輸入空間中的線性不可分樣本映射到高維特征空間，達(dá)到線性可分或近似線性可分，進(jìn)而在特征空間建立一個(gè)最優(yōu)分離超平面，相當(dāng)于在輸入空間產(chǎn)生一個(gè)最優(yōu)非線性決策邊界(Cristianini et al，2004；王軍，2018；蔣一然等，2019)。

從實(shí)際算例來看，王軍(2018)采用支持向量機(jī)的算法對(duì)上海測(cè)震臺(tái)網(wǎng)記錄的2008年11月至2016年9月34個(gè)浙江舟山爆破事件和66個(gè)天然地震事件進(jìn)行回溯性識(shí)別檢驗(yàn)，準(zhǔn)確率約為89%；范曉易等(2019)首先對(duì)天然地震、爆破及塌陷的波形數(shù)據(jù)進(jìn)行小波變換，再利用小波轉(zhuǎn)換系數(shù)提取香農(nóng)熵特征，最后基于支持向量分類機(jī)LIBSVM多類模式識(shí)別方法對(duì)香農(nóng)熵特征進(jìn)行分類識(shí)別，其判定結(jié)果準(zhǔn)確率在80%～95%之間。

支持向量機(jī)的算法具有較強(qiáng)的非線性處理能力，通過調(diào)整核函數(shù)，不斷將原始數(shù)據(jù)映射到高維空間，實(shí)現(xiàn)事件類別可分(Cristianini et al，2004)。同時(shí)，該算法還具有自主更新學(xué)習(xí)功能，可不斷增加新的事件到學(xué)習(xí)樣本庫，進(jìn)而不斷更新修正預(yù)測(cè)識(shí)別方案，提高預(yù)測(cè)識(shí)別效能。但需要指出的是，在實(shí)際應(yīng)用中，核函數(shù)及其參數(shù)選擇是關(guān)鍵，核函數(shù)及其參數(shù)選擇的好壞直接影響分類器性能的優(yōu)劣，因此針對(duì)不同事件的不同樣本，采用不同的訓(xùn)練方法探尋出的分類識(shí)別器會(huì)有較大差異，且計(jì)算復(fù)雜、學(xué)習(xí)過程繁瑣，找尋事件識(shí)別普適性分類器難度較大(Cristianini et al，2004)。

3.2.6 神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)模型種類繁多，目前已發(fā)展了上百種神經(jīng)網(wǎng)絡(luò)。常見的神經(jīng)網(wǎng)絡(luò)包括：感知器神經(jīng)網(wǎng)絡(luò)、BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)、自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)、自組織競(jìng)爭神經(jīng)網(wǎng)絡(luò)、學(xué)習(xí)矢量量化(LVQ)神經(jīng)網(wǎng)絡(luò)等。據(jù)統(tǒng)計(jì)，在人工神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用中，BP神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，約80%～90%的人工神經(jīng)網(wǎng)絡(luò)采用BP神經(jīng)網(wǎng)絡(luò)或其變化形式(賈寶新，2019)。

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，為前向網(wǎng)絡(luò)的核心部分，是一種有監(jiān)督的誤差糾正學(xué)習(xí)算法。其基本思想為：基于最小平方誤差準(zhǔn)則和梯度最速下降算法來確定權(quán)值調(diào)整準(zhǔn)則，使用梯度搜索技術(shù)，使網(wǎng)絡(luò)的實(shí)際輸出與期望輸出均方差最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層、隱含層和輸出層。Dowla等(1990)利用BP神經(jīng)網(wǎng)絡(luò)對(duì)美國西部83次地震和內(nèi)華達(dá)87次核爆事件的識(shí)別研究顯示，其單臺(tái)的識(shí)別率可達(dá)93%以上，而采用4個(gè)臺(tái)綜合的臺(tái)網(wǎng)識(shí)別率為97%，該識(shí)別率比采用Fisher方法對(duì)相同事件的識(shí)別率高很多。劉方斌等(2020)利用BP神經(jīng)網(wǎng)絡(luò)對(duì)隨機(jī)選取的山東地區(qū)30個(gè)天然地震、20個(gè)爆破、20個(gè)塌陷進(jìn)行訓(xùn)練，并分別選取10個(gè)天然地震、爆破與塌陷事件進(jìn)行測(cè)試，結(jié)果顯示，30個(gè)測(cè)試樣本中只有1個(gè)事件類型識(shí)別錯(cuò)誤，但總的來看，其訓(xùn)練及檢驗(yàn)樣本數(shù)量偏少，結(jié)果尚需進(jìn)一步驗(yàn)證。

BP神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需提前揭示描述這種映射關(guān)系的數(shù)學(xué)方程，即其可逼近任意連續(xù)函數(shù)，具有較強(qiáng)的非線性映射能力。同時(shí)，其解決了求解非線性連續(xù)函數(shù)的多層前饋神經(jīng)網(wǎng)絡(luò)權(quán)重調(diào)整問題，學(xué)習(xí)規(guī)則簡單，便于計(jì)算機(jī)實(shí)現(xiàn)，具有很強(qiáng)的記憶能力及自學(xué)習(xí)能力(李冬梅，2012；賈寶新，2019)，對(duì)各類事件的識(shí)別能力高于上述幾類算法。然而，由于BP神經(jīng)網(wǎng)絡(luò)采用梯度下降法探尋最優(yōu)方程，對(duì)于非線性方程勢(shì)必會(huì)存在收斂速度慢、局部極值等缺點(diǎn)。

此外，用來識(shí)別天然地震與爆破、塌陷事件的方法還有矩陣決策算法(邊銀菊等，2012)、集成學(xué)習(xí)的BP-Adaboost方法(趙剛等，2017)、最近鄰支撐向量特征線融合算法(李夕海等，2009)、基于無監(jiān)督的自組織特征神經(jīng)網(wǎng)絡(luò)算法(Kuyuk et al，2011)、區(qū)域P/S二維網(wǎng)格數(shù)據(jù)的統(tǒng)計(jì)識(shí)別(Taylor，2011)等。近年來，也有部分學(xué)者嘗試?yán)萌斯ぶ悄茴I(lǐng)域的卷積神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)等來識(shí)別地震與爆破事件(陳潤航等，2018；隗永剛等，2019)。

4 討論與總結(jié)

(1)非天然地震是由人工干預(yù)或人類活動(dòng)間接引發(fā)的地震，90%以上的非天然地震為爆破地震，而發(fā)生于礦區(qū)的塌陷是各類非天然地震中造成人員傷亡最多的非天然地震事件。爆破主要緣于爆炸產(chǎn)生的工程效應(yīng)；塌陷地震是由巖層崩塌陷落而形成的地震，塌陷可分為巖溶塌陷與非巖溶塌陷兩類，其中發(fā)生于采礦活動(dòng)區(qū)域的采空塌陷也稱礦震。

(2)爆破、塌陷與天然地震發(fā)生后，部分能量以彈性波的形式從震源輻射出，并以地震波的傳播方式被地震儀所記錄，雖然在地震臺(tái)網(wǎng)記錄的各類事件的波形存在一定共性，但由于震源類型、波的傳播路徑、震源深度等不同，其波形記錄在P波初動(dòng)、初動(dòng)振幅、P波與S波最大振幅比、持續(xù)時(shí)間、震相、短周期面波發(fā)育情況、發(fā)震時(shí)刻、空間位置分布以及頻譜特征等方面均存在一定的差異，因此結(jié)合經(jīng)驗(yàn)可簡單根據(jù)各類波形特征來識(shí)別各類事件類型。

(3)目前關(guān)于地震與爆破、塌陷等非天然事件的定量識(shí)別方法主要有兩類，一類為直接基于波形在信號(hào)、數(shù)據(jù)方面的特征，通過定性分析來進(jìn)行事件類型的判定，如波形時(shí)頻分析對(duì)比法、小波變換、相關(guān)系數(shù)等；另一類是統(tǒng)計(jì)學(xué)領(lǐng)域諸如模式識(shí)別等算法，其利用統(tǒng)計(jì)算法綜合考慮多個(gè)事件特征判據(jù)的定量判定閥值來實(shí)現(xiàn)地震與爆破、塌陷事件類型的識(shí)別。

直接基于波形在信號(hào)、數(shù)據(jù)方面特征的定性分析進(jìn)行事件類型判定，在日常實(shí)際工作中結(jié)合長期的經(jīng)驗(yàn)積累，在一定程度上可以簡單高效地識(shí)別爆破、塌陷和天然地震。然而，若想探尋出可直接運(yùn)用于計(jì)算機(jī)自動(dòng)識(shí)別的高效識(shí)別判據(jù)必定是基于事件類型特征的定量判定(建立各類判據(jù)的有效閾值)，且由于波形記錄是震源類型、傳播路徑、記錄儀器設(shè)備等一系列影響的綜合反映，最終事件類型的判定應(yīng)該是一個(gè)多特征的綜合分類問題。因此，利用該類方法實(shí)現(xiàn)事件類型判定的計(jì)算機(jī)自動(dòng)化難度較大。

利用統(tǒng)計(jì)算法來實(shí)現(xiàn)地震與爆破、塌陷事件類型自動(dòng)識(shí)別的方法主要有最小距離法、改進(jìn)的連續(xù)亨明方法、Fisher方法、逐步代價(jià)最小決策法、支持向量機(jī)、前饋神經(jīng)網(wǎng)絡(luò)等。最小距離法與改進(jìn)的連續(xù)亨明方法為早期簡單的統(tǒng)計(jì)分類算法；Fisher方法解決了多維特征造成的“維數(shù)災(zāi)難”問題，是一種較好的特征提取方法；逐步代價(jià)最小決策法可在確立最優(yōu)函數(shù)時(shí)，對(duì)事件各類特征分別賦予不同權(quán)重，進(jìn)而考慮到各類特征在識(shí)別事件時(shí)的效果優(yōu)劣，但其需找出所有的全程代價(jià)函數(shù)，計(jì)算量較大；支持向量機(jī)具有較強(qiáng)的非線性處理能力，且具有自主更新學(xué)習(xí)功能，是神經(jīng)網(wǎng)絡(luò)出現(xiàn)前公認(rèn)的最好算法，然而核函數(shù)及其參數(shù)選擇的好壞直接影響分類器性能的優(yōu)劣，因此找尋事件識(shí)別的普適性分類器難度較大；BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)規(guī)則簡單，便于計(jì)算機(jī)實(shí)現(xiàn)，具有較強(qiáng)的自學(xué)習(xí)能力，其對(duì)各類事件的識(shí)別能力相比上述幾類算法要高很多，然而，由于BP神經(jīng)網(wǎng)絡(luò)采用梯度下降法探尋最優(yōu)方程，存在收斂速度慢、局部極值等缺點(diǎn)。

上述各類識(shí)別方法本質(zhì)上均需首先提取有效特征判據(jù)，隨后直接利用判據(jù)或利用幾類算法建立分類器，最后實(shí)現(xiàn)對(duì)事件類型的判定。各類識(shí)別算法雖取得良好效果，但人為從事件記錄中提取某些特征，即對(duì)數(shù)據(jù)進(jìn)行了降維使用，并未將事件記錄的全部信息用于事件判定，這不但增加了處理過程的復(fù)雜性，且損失了大量的原始事件信息，因而成為到目前為止并未找出一種簡單實(shí)用的事件類型識(shí)別方法的根本原因。因此，有必要使用一種可從全部事件記錄中自動(dòng)提取各類信息并可組合底層特征的算法來對(duì)各類事件進(jìn)行判斷識(shí)別，隨著人工智能的飛速發(fā)展，將語音識(shí)別、人臉識(shí)別等人工智能領(lǐng)域的相關(guān)技術(shù)方法引入地震學(xué)事件類型判定中，或許會(huì)取得較好的效果。